笔记 - tensorflow小案例：线性回归（批量梯度下降策略）

最新推荐文章于 2025-08-17 13:57:33 发布

原创

最新推荐文章于 2025-08-17 13:57:33 发布 · 588 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了使用TensorFlow实现线性回归模型的过程，重点在于批量梯度下降策略的应用。通过实例展示了如何定义损失函数、优化器及训练过程，帮助读者理解深度学习中的基本操作。

import tensorflow as tf
import numpy as np
from sklearn.datasets import fetch_california_housing
from sklearn.preprocessing import StandardScaler

# TODO tensorflow 线性回归问题求解 批量梯度下降策略

"""
思路：

导包
导数据集
定义梯度下降相关超参
处理梯度下降算法需要的数据格式

X
y
theta
y_pred
error
gradients
rmse 观察更新效果
更新theta的op

主体程序逻辑：开始计算图
"""

# 迭代轮次
n_epochs = 36500
# 学习率
learning_rate = 0.001

housing = fetch_california_housing(data_home='C:/Users/Mcdonald/Documents/workplace/Pycharm/scikit_learn_data',
                                   download_if_missing=True)
train_data = housing.data
m, n = train_data.shape
scaler = StandardScaler